久期是观察债市投资机构行为重要的指标，也是传统债券投资策略“三板斧”之一。本文我们将尝试搭建兼具准确度和稳定性的久期测算模型。我们将详细介绍回归法和比值法两种测算久期模型的思路，并择优选择模型。
　　一、回归法：分步过滤法和逐步回归法
　　回归法的基本思路是用债券指数拟合出债基的仓位，进而债基久期也可通过各指数久期加权确定。多重共线性是回归法中遇到的最大问题，在久期测算问题中，采用基于一定规则的简化变量可以用于处理多重共线性问题。
　　分步过滤法：第一步选择与净值涨跌幅相关系数最高的指数，并进行一元线性回归；第二步将剩余指数分为两组，从两组指数中各找一个与最优指数相关性最低的指数，用于回归残差。
　　逐步回归法：通过逐步地添加或删除自变量，直到线性回归模型达到“最优”，具体可分为前向逐步回归、后向逐步回归和双向逐步回归三种方法。根据我们的测试，采用后向逐步回归效果较好。
　　二、分步过滤法和逐步回归法两种回归模型测算的久期结果走势较为一致，并且与10Y国债利率负相关关系较好，以及中位数与平均数走势非常接近，反映这两种回归模型兼具准确度和稳定性
　　2021年以来久期波动明显增大，这使得分步过滤法模型效果相对更优。回归法的结果难以避免与债基久期的真实值存在偏差，但能较好反映久期的变化方向。
　　三、比值法是新兴的久期测算方法，基本思路是通过构造债基的可比组合得到债基久期
　　根据债基季报可以得到券种配置结构，假设债基季度内仓位保持不变，用不同债券种类对应的债券指数即可构造可比组合。假设可比组合与债基到期收益率的变动一致，利用债基与可比组合久期公式求比值，可以计算得到债基久期。
　　比值法测算的结果效果较差。比值法久期测算结果表现出非常高的波动性。利用20天移动平均进行平滑，负相关性改善有限，信号意义较弱。例如，对于2022年11月债市调整与理财赎回负反馈的阶段，比值法滞后一周才表现出久期水平的下降。
　　比值法的模型缺陷源于上述两个过强的假设条件，而比值法本身的特点也导致上述假设造成的误差被放大，因此表现效果较差。
　　四、综合来看，分步过滤法效果最好
　　虽然回归法和比值法模型都有其难以避免的问题，但从测算结果来看，回归法的准确度和稳定性更高，而且现阶段分步过滤法效果更好。我们每周将会公布使用分步过滤法测算的久期结果。上周公募债基久期中位数为1.90年，较前值回落0.03年，依然处于阶段性偏低水平。
　　风险提示：模型测算结果存在误差，模型参数仍有优化空间，模型存在失效可能。

研究报告全文：TableSummary久期测算模型择优债券研究方正证券研究所证券研究报告专题研究20230307分析师TABLEANALYSISINFO张伟久期是观察债市投资机构行为重要的指标也是传统债券投资登记编号S1220522040002策略三板斧之一本文我们将尝试搭建兼具准确度和稳定性的久期测算模型我们将详细介绍回归法和比值法两种测算联系人TableAuthor久期模型的思路并择优选择模型一回归法分步过滤法和逐步回归法相关研究回归法的基本思路是用债券指数拟合出债基的仓位进而债基TABLEREPORTINFO11号文对山东城投影响如何久期也可通过各指数久期加权确定多重共线性是回归法中遇20230224六轮债熊解析成因演进与落幕到的最大问题在久期测算问题中采用基于一定规则的简化20230219变量可以用于处理多重共线性问题城投结构化发债的风险怎么看分步过滤法第一步选择与净值涨跌幅相关系数最高的指数20230211固收策略系列二绩优固收并进行一元线性回归第二步将剩余指数分为两组从两组指基金的产品特征与策略20230210数中各找一个与最优指数相关性最低的指数用于回归残差抱团短久期1月信用债交易逐步回归法通过逐步地添加或删除自变量直到线性回归模复盘20230206型达到最优具体可分为前向逐步回归后向逐步回归和双2023年存单供给压力测算20230206向逐步回归三种方法根据我们的测试采用后向逐步回归效固收策略系列一固收策略果较好实战解析20230119二分步过滤法和逐步回归法两种回归模型测算的久期结果走城投化债模式全梳理20230119势较为一致并且与10Y国债利率负相关关系较好以及中位数与平均数走势非常接近反映这两种回归模型兼具准确度和稳定性2021年以来久期波动明显增大这使得分步过滤法模型效果相对更优回归法的结果难以避免与债基久期的真实值存在偏差但能较好反映久期的变化方向三比值法是新兴的久期测算方法基本思路是通过构造债基的可比组合得到债基久期根据债基季报可以得到券种配置结构假设债基季度内仓位保持不变用不同债券种类对应的债券指数即可构造可比组合假设可比组合与债基到期收益率的变动一致利用债基与可比组合久期公式求比值可以计算得到债基久期比值法测算的结果效果较差比值法久期测算结果表现出非常高的波动性利用20天移动平均进行平滑负相关性改善有限信号意义较弱例如对于2022年11月债市调整与理财赎回负反馈的阶段比值法滞后一周才表现出久期水平的下降比值法的模型缺陷源于上述两个过强的假设条件而比值法本身的特点也导致上述假设造成的误差被放大因此表现效果较差四综合来看分步过滤法效果最好虽然回归法和比值法模型都有其难以避免的问题但从测算结果来看回归法的准确度和稳定性更高而且现阶段分步过滤法效果更好我们每周将会公布使用分步过滤法测算的久期结果上周公募债基久期中位数为190年较前值回落003年1敬请关注文后特别声明与免责条款专题研究依然处于阶段性偏低水平风险提示模型测算结果存在误差模型参数仍有优化空间模型存在失效可能2敬请关注文后特别声明与免责条款专题研究目录1准备工作样本筛选和净值数据处理52回归法久期测算的经典方法721分步过滤法922逐步回归法1023模型评价113比值法探索与尝试1231算法介绍1232模型评价143敬请关注文后特别声明与免责条款专题研究图表目录图表1Wind开放式债基分类和产品数量汇总5图表2债基净值曲线呈现锯齿状6图表3中债新综合财富总值指数成分券占比8图表4中债新综合财富指数能较好代表债基走势8图表5不同期限分段子指数走势接近9图表6分步过滤法算法解析10图表7分步过滤法兼具准确度和稳定性10图表8测算结果与基金披露水平较为一致10图表9逐步回归法算法解析11图表10逐步回归法兼具准确度和稳定性11图表11测算结果与基金披露水平较为一致11图表12两种模型的结果趋势较为一致12图表13各类债券品种对应指数13图表14比值法测算结果稳定性较差14图表15移动平均平滑后的模型准确度并未改善14图表16某债基A各季度债券仓位配置情况154敬请关注文后特别声明与免责条款专题研究久期是观察债市投资机构行为重要的指标也是传统债券投资策略三板斧之一虽然久期测算总体思路较为清晰但实践中构建兼具准确度和稳定性的模型并不容易模型搭建过程有诸多细节值得讨论而不同的处理也会对模型的效果产生不同的影响这也是导致市场的测算久期结果大相径庭的原因由于中长期纯债型基金久期操作空间更大趋势性更为明显因此本文以中长期纯债型基金为例尝试介绍兼具准确度和稳定性的中长期纯债型基金久期测算模型以期能高频跟踪市场久期趋势为投资者提供参考1准备工作样本筛选和净值数据处理根据Wind的分类开放式债基可分为7类其中中长期纯债型基金规模达49万亿占开放式债基比重达63当前产品数量为2478只是债市交易盘的主力图表1Wind开放式债基分类和产品数量汇总规模亿元规模占比产品数量只数量占比中长期纯债型基金486616302478476混合债券型二级基金9533123923177短期纯债型基金637883711137混合债券型一级基金623781685132被动指数债券型基金60227833765可转换债券型基金374057114增强指数债券型基金1500100合计772211005206100资料来源Wind方正证券研究所注基金规模数据为2022年四季报汇总产品数量截至2023年3月2日进一步地我们需要对这些中长期纯债型基金样本进行筛选我们做了如下三个方面的处理第一剔除样本中包含的定期开放型基金按照监管要求开放式基金杠杆率上限为140而定开基金在封闭期内杠杆率上限为200过高的杠杆率将影响久期测算的效果因而我们在样本中剔除了定开基金第二只保留初始基金对于同一只基金可推出不同的收费模式分为A类B类和C类虽然分别公布基金净值基金代码也不同但是基金管理人和运作模式相同这造成了重复测算对久期平均水平产生影响因此应当只保留初始基金即A类或不含后缀的基金产品第三只保留可转债配置比例低于1的基金由于可转债具有股性使得可转债配置比例较高的基金净值波动有时并非债市因素决定这会对久期测算产生偏误我们这里剔除了2017年以来季报中可转债市值占基金资产净值比超过1的基金经过以上筛选我们最终纳入测算的中长期纯债型基金样本数为856只5敬请关注文后特别声明与免责条款专题研究基金复权单位净值增长率是测算久期的核心指标由于基金净值数据日度公布净值增长率波动的相对大小能反映久期的高低水平这也是目前所有的久期测算模型的核心思想考虑到基金可能会有分红或拆分的情况因此需要选用复权单位净值增长率下文为方便说明将这一指标简单表述为净值增长率或净值涨跌幅由于单位净值数据仅精确到小数后四位净值增长率并不能完全反映当日波动债券资产低波动的特征使得债基的净值波动往往较小小数点后四位的精确度仍然不足以反映债基日度净值波动四舍五入影响下使得单位净值的增长可能包含上一日的部分或积累至下一日因此债基净值曲线常常呈现锯齿状的特征净值增长率间隔出现0表明净值增长率并不能完全反映当日波动图表2债基净值曲线呈现锯齿状增长率右轴某基金A复权单位净值15200051510004150000314900020114800014700-0114600-0214500-0314400-0414300-052019-082019-112020-022020-052020-08资料来源Wind方正证券研究所采用移动平均对净值增长率做平滑化处理为了平滑净值增长率序列一个简单的想法是使用简单移动平均SimpleMovingAverageSMA但是简单移动平均使得序列包含较多过去的信息不能够及时反映当前净值增长率因此我们这里采用指数加权移动平均模型ExponentiallyWeightedMovingAverageEWMAEWMA模型的核心思想是对历史数据进行加权平均使得最近的数据具有更高的权重而过去数据的权重以指数化速率下降从而更好地反映当前的趋势和变化一个n阶的EWMA模型如下2211111212121110其中01为衰减因子越大则对过去数据所赋权重越高并且过去数据权重下降速率越慢经过我们多次测试选择5阶EWMA模型即对5个交易日进行指6敬请关注文后特别声明与免责条款专题研究数加权移动平均衰减因子为04效果较好这样我们就完成了样本筛选和净值增长率平滑化的处理工作了在下一部分我们开始介绍久期的测算方法2回归法久期测算的经典方法回归法是测算债基久期的经典方法并且根据我们的研究和测试也是较为理想的方法在该部分我们将一步步介绍回归法及其中的细节并展开介绍并比较两种效果较好的回归方法分步过滤法和逐步回归法债基久期等于其投资组合中各债券久期的加权平均但是债基持仓情况同久期一样仅在季报上披露并且仅披露季末交易日组合中前五大重仓券和按各类债券品种投资情况回归法的基本思路是用债券指数拟合出债基的债券组合债券指数由其包含的成分券加权形成可看作一个债券组合由于债券指数日度公布涨跌幅和久期数据我们可用多个债券指数通过将债基净值涨跌幅和各指数涨跌幅进行回归得到各指数的权重系数近似组合成债基的仓位进而债基久期也可通过各指数久期加权确定具体来看回归模型如下01122其中fundt是债基净值涨跌幅indext是指数涨跌幅a0是回归截距项表示债基将资金配置存款回购或加杠杆的情形下对组合涨跌幅的调整aii123n表示各指数回归的权重系数通过权重系数可计算基金久期1122选用中债新综合财富指数拟合仓位效果较好一般的债券指数包括净价指数全价指数和财富指数财富指数是以债券全价计算的指数值同时考虑了利息再投资因素中债新综合财富指数基本覆盖了债基的投资品类与万得中长期纯债型基金指数走势相近并且中债新综合财富总值指数包含6个待偿期分段子指数1年以下1-3年含1年3-5年含3年5-7年含5年7-10年含7年10年以上含10年能够以不同期限的组合对债基持仓进行拟合7敬请关注文后特别声明与免责条款专题研究图表3中债新综合财富总值指数成分券占比图表4中债新综合财富指数能较好代表债基走势短融2企业债2其他2中债-新综合财富总值指数万得中长期纯债型基金指数公司债5指数值2017100地方政府债12832中票9123118113国债22108103金融债98262017-012019-012021-012023-01资料来源Wind方正证券研究所资料来源Wind方正证券研究所前文我们提到将净值涨跌幅用EWMA模型进行平滑化处理对应地指数涨跌幅也需要采用相同参数的EWMA模型得到新的涨跌幅序列选择30天的窗口期进行滚动回归效果较好选取一段时间建立回归模型的隐含前提是假设这段时间债基的仓位保持不变若窗口期太长则不符合债基主动投资的风格而窗口期太短则导致回归样本数不足回归模型效果较差经过我们的测试选择30天的回归窗口期进行滚动回归效果较好在回归前有一些细节值得注意第一某些债基产品部分交易日涨跌幅超过所有指数涨跌幅的三倍以上表明这时净值波动并不能由利率波动解释应该剔除这部分样本第二剔除后导致窗口期内回归样本减少当减少到一定程度时如低于原来样本数的45则跳过该日久期测算第三若窗口期内基金涨跌幅与所有指数相关系数均小于03说明净值波动受市场利率波动影响较小当日久期设为1直接简单将净值涨跌幅和这些指数建立回归模型会产生较严重的多重共线性一般情况下不同期限的利率倾向于同向波动从各待偿期分段子指数走势也能观察出这一特征由于债券指数涨跌幅波动相关性较高因此同时作为解释变量将产生多重共线性的问题8敬请关注文后特别声明与免责条款专题研究图表5不同期限分段子指数走势接近总值1年以下1-3年含1年3-5年含3年5-7年含5年7-10年含7年10年以上含10年中债新综合财富指数值2017年100150140130120110100902017-012018-012019-012020-012021-012022-012023-01资料来源Wind方正证券研究所在久期测算问题中采用简化变量的方式处理多重共线性更为合理处理多重共线性的方法一般包括简化变量法岭回归和Lasso回归等其中岭回归和Lasso回归思路较为相似都是通过正则化项对回归系数进行约束会使得回归系数变小或变为0从而减少过拟合的风险但是这两种回归方法是有偏的在久期测算问题中压缩回归系数意味着需要压缩配置债券资产的总仓位并不符合实际因此采用简化变量的方式即通过一定规则筛选解释变量来处理多重共线性更为合理接下来我们详细介绍两种基于不同规则的简化变量回归方法即分步过滤法和逐步回归法并展示其久期测算的效果21分步过滤法分步过滤法的算法分为两步具体来看第一步在窗口期内选择与净值涨跌幅相关系数最高的指数作为最优指数将最优指数与净值涨跌幅进行一元线性回归即01第二步用机器学习中的聚类方法将剩余指数分为两组我们这里采用经典的K-Means方法然后从两组指数中各找一个与最优指数相关性最低的指数用于回归上式的残差即0101122最后将回归系数进行组合并得到债基的久期0011122111229敬请关注文后特别声明与免责条款专题研究图表6分步过滤法算法解析资料来源方正证券研究所整理分步过滤法久期测算结果兼具准确度和稳定性由于债基通常顺趋势交易久期水平一般与利率走势负相关因此久期测算结果与10Y国债走势的相关系数是较好模型评价指标自2017年6月以来分步过滤法测算的久期中位数与10Y国债相关系数为-060模型效果较好另外久期中位数与平均数走势基本一致反映出模型稳定性较好图表7分步过滤法兼具准确度和稳定性图表8测算结果与基金披露水平较为一致分步过滤法-中位数分步过滤法-平均数分步过滤法-中位数10Y国债右轴基金披露组合久期基于利率风险敏感性计算久期年久期年44535353432525352215153112505050202017-062019-062021-062017-062019-062021-06资料来源Wind方正证券研究所资料来源Wind方正证券研究所22逐步回归法逐步回归法StepwiseRegression是一种经典的回归分析方法通过逐步地添加或删除自变量直到线性回归模型达到最优这里的最优可以选择不同的评价标准包括AIC准则BIC准则R-squared决定系数MSE均方误差等逐步回归法可分为前向逐步回归后向逐步回归和双向逐步回归三种方法前向逐步回归是从空模型开始逐步添加自变量每次添加一个解释力度最大的自变量直到模型达到最优后向逐步回归则是从包含所有自变量的完整模型开始逐步删除解释力度最小的自变量双向逐步回归是前向和后向逐步回归的混合方法值得注意的是一般需要事先指定最终要使用的自变量个数或个数区间10敬请关注文后特别声明与免责条款专题研究图表9逐步回归法算法解析资料来源方正证券研究所整理经过我们的测试采用后向逐步回归自变量个数区间为1-3个评价标准为MSE最小化模型效果较好兼具准确度和稳定性采用以上参数自2017年6月以来分步过滤法测算的久期中位数与10Y国债相关系数为-063中位数与平均数走势也较为一致图表10逐步回归法兼具准确度和稳定性图表11测算结果与基金披露水平较为一致逐步回归法-中位数逐步回归法-平均数逐步回归法-中位数10Y国债右轴基金披露组合久期基于利率风险敏感性计算久期年久期年445435354332535252215315112505050202017-062019-062021-062017-062019-062021-06资料来源Wind方正证券研究所资料来源Wind方正证券研究所23模型评价在本章的前两部分我们详细介绍了两种简化变量的回归方法兼具准确度和稳定性两种模型下的结果也表现较好的一致性11敬请关注文后特别声明与免责条款专题研究图表12两种模型的结果趋势较为一致逐步回归法-中位数分步过滤法-中位数久期年43532521510502017-062018-062019-062020-062021-062022-06资料来源Wind方正证券研究所2021年以来久期波动明显增大这使得分步过滤法模型效果相对更优2021年以来债市的扰动因素明显增多利率呈现出更为纠结的走势并且利率上下区间也明显收窄为博取收益债基更多尝试在波段中寻求机会这使得久期波动明显增大对比2021年以来两个模型的效果两种模型结果与10Y国债相关系数分别为-065-056并且分步过滤法波动性明显小于逐步回归法因而分步过滤法效果更好后续我们也将继续采用分步过滤法高频跟踪债基久期中位数并持续关注两种模型效果的变化回归法的结果难以避免与债基久期的真实值存在偏差但能较好反映久期的变化方向回归法本身存在一些难以避免的问题例如债基净值增长率精确度不足回归的多重共线性问题以及需要假设回归窗口期内债基仓位不变等等这些因素都会使得模型结果与久期真实值产生偏差但如前文所述分步过滤法和逐步回归法能较为准确地反映久期变化的趋势这能较好的把握债市情绪的边际变化3比值法探索与尝试比值法是新兴的久期测算方法基本思路是通过构造债基的可比组合得到债基久期根据我们对比值法的探索与尝试我们发现比值法模型准确度和稳定性弱于回归法该部分我们将详细介绍比值法的算法并对模型效果进行评价31算法介绍比值法从最基本的久期公式出发根据久期的公式有其中PP对于单只债券而言为价格涨跌幅对于债券组合或债基即为净值涨跌幅D为久期y为债券或债券组合到期收益率的变动12敬请关注文后特别声明与免责条款专题研究因此考虑债基A和债券组合B有上下两式做比值可得上式启发我们如果能找到债券组合B满足两者到期收益率的波动一致即而债券组合B久期涨跌幅以及债基A涨跌幅均已知那么便可通过比值等式得到债基A久期即要让债券组合B满足这一条件至少应当尽量接近债基的持仓情况我们把这样的组合叫做可比组合通过对不同债券品种对应的债券指数加权构造可比组合债基季报中会披露季末时刻各券种占资产净值比重包括国债金融债政金债存单企业债短融中票ABS等假设债基在一个季度中各大类债券品种配置比例不变那么可找出各类债券分别对应的债券指数进行加权得到可比组合图表13各类债券品种对应指数债券品种对应债券指数指数代码国债中债-国债总财富总值指数CBA00601CS金融债不含政金债中债-商业银行债券财富总值指数CBA02401CS政金债中债-金融债券总财富总值指数CBA01201CS存单中债-同业存单总财富总值指数CBA07501CS企业债中债-企业债总财富总值指数CBA02001CS短融中债-短融总财富总值指数CBA01801CS中票中债-中期票据总财富总值指数CBA02601CSABS中债-银行间资产支持证券财富总值指数CBA05301CS其他中债-新综合财富总值指数CBA00101CS资料来源方正证券研究所整理可比组合通过债券指数加权形成因此可比组合久期已知通过比值即可得到各债基的久期测算结果13敬请关注文后特别声明与免责条款专题研究债基久期异常结果的处理比值法的测算结果异常值较多容易对整体平均水平产生较大偏误因此需要进行处理我们这里对久期测算结果小于05和大于8的值进行剔除32模型评价比值法久期测算结果表现出非常高的波动性模型稳定性较差我们尝试用比值法测算2017年6月以来的债基久期测算结果与10Y国债利率相关系数为-022负相关性明显弱于回归法的-06左右的相关系数水平并且结果呈现较高的波动性模型稳定性较差图表14比值法测算结果稳定性较差比值法久期中位数10Y国债右轴年8457465354332251022017-062018-062019-062020-062021-062022-06资料来源Wind方正证券研究所采用20天移动平均可对结果进行平滑但并未改善模型效果信号意义仍然偏弱由于模型结果较为波动需要采用较长的时间窗口进行平滑我们采用20天移动平均与10Y国债相关系数为-021负相关性仍未改善并且20个交易日相当于四周信号指示意义将明显滞后图表15移动平均平滑后的模型准确度并未改善比值法久期中位数10Y国债右轴20DMA年4453543352532251522017-062018-062019-062020-062021-062022-06资料来源Wind方正证券研究所例如2022年11月11日国务院发布关于进一步优化新冠肺炎疫情防控措施科学精准做好防控工作的通知疫情防控优化触发债市14敬请关注文后特别声明与免责条款专题研究调整和理财赎回负反馈10年期国债利率快速上行但根据我们的测算结果20天移动平均的久期当周仍然显示大幅上行并达到2021年下半年的高点一周后才从高位回落明显滞后于市场反应比值法的模型缺陷源于其过强的假设条件比值法的模型思路简单并且也是正确的但实际测算中需要施加较强的假设条件第一比值法需要假设债基在一个季度内券种配置结构不变从而构造可比组合我们选择了某债基A分析其各季度债券持仓结构能够发现各券种配置比例变化较大因此该假设不仅与实际相差甚远还会使得跨季后由于可比组合变动较大导致久期测算结果出现跳跃图表16某债基A各季度债券仓位配置情况国债政金债金融债不含政金债存单企业债短融中票各券种仓位占比100908070605040302010017-0317-1218-0919-0620-0320-1221-0922-06资料来源Wind方正证券研究所第二比值法需要假设可比组合和债基的到期收益率变动y相等即使可比组合和债基的配券结构一致但债基各券种久期与指数久期存在差异由于收益率曲线多数时候并非平行移动因此相同券种但不同久期下假设y相等仍然存在误差比值法本身的特点前提假设要求强这使得比值法误差被放大由于比值法需要对债基涨跌幅和可比组合涨跌幅做比值而两者都是0附近非常小的数值因此分子分母的精度要求较高并会放大误差例如根据上述两个假设带来的偏误在市场波动小时常常会出现债基和可比组合涨跌相反的情况并造成久期测算结果为较大的负值综合来看虽然回归法和比值法模型都有其难以避免的问题但从测算结果来看回归法的准确度和稳定性更高而且现阶段分步过滤法效果更好我们每周将会公布使用分步过滤法测算的久期结果上周公募债基久期中位数为190年较前值回落003年依然处于阶段性偏低水平15敬请关注文后特别声明与免责条款专题研究分析师声明作者具有中国证券业协会授予的证券投资咨询执业资格保证报告所采用的数据和信息均来自公开合规渠道分析逻辑基于作者的职业理解本报告清晰准确地反映了作者的研究观点力求独立客观和公正结论不受任何第三方的授意或影响研究报告对所涉及的证券或发行人的评价是分析师本人通过财务分析预测数量化方法或行业比较分析所得出的结论但使用以上信息和分析方法存在局限性特此声明免责声明本研究报告由方正证券制作及在中国香港和澳门特别行政区台湾省除外发布根据证券期货投资者适当性管理办法本报告内容仅供我公司适当性评级为C3及以上等级的投资者使用本公司不会因接收人收到本报告而视其为本公司的当然客户若您并非前述等级的投资者为保证服务质量控制风险请勿订阅本报告中的信息本资料难以设置访问权限若给您造成不便敬请谅解在任何情况下本报告的内容不构成对任何人的投资建议也没有考虑到个别客户特殊的投资目标财务状况或需求方正证券不对任何人因使用本报告所载任何内容所引致的任何损失负任何责任投资者需自行承担风险本报告版权仅为方正证券所有本公司对本报告保留一切法律权利未经本公司事先书面授权任何机构或个人不得以任何形式复制转发或公开传播本报告的全部或部分内容不得将报告内容作为诉讼仲裁传媒所引用之证明或依据不得用于营利或用于未经允许的其它用途如需引用刊发或转载本报告需注明出处且不得进行任何有悖原意的引用删节和修改公司投资评级的说明强烈推荐分析师预测未来半年公司股价有20以上的涨幅推荐分析师预测未来半年公司股价有10以上的涨幅中性分析师预测未来半年公司股价在-10和10之间波动减持分析师预测未来半年公司股价有10以上的跌幅行业投资评级的说明推荐分析师预测未来半年行业表现强于沪深300指数中性分析师预测未来半年行业表现与沪深300指数持平减持分析师预测未来半年行业表现弱于沪深300指数地址网址httpswwwfoundersccomE-mailyjzxfoundersccom北京西城区展览馆路48号新联写字楼6层上海静安区延平路71号延平大厦2楼深圳福田区竹子林紫竹七道光大银行大厦31层广州天河区兴盛路12号楼隽峰苑2期3层方正证券长沙天心区湘江中路二段36号华远国际中心37层16